Le groupe de travail “Données, Apprentissage Automatique et Optimisation” se positionne à l’interface entre machine learning et recherche opérationnelle. Ses membres développent des méthodes d’aide à la décision enrichies par des données massives, permettant de mieux gérer l’incertitude, le caractère dynamique ou la grande dimension des problèmes rencontrés. Les outils mobilisés incluent notamment l’optimisation discrète et l'optimisation convexe, l’apprentissage structuré ou par renforcement, la programmation différentiable. Un accent particulier est mis sur le développement de librairies logicielles open-source pour le calcul scientifique.